Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of System and Computer Engineering INFINITY : UKI TORAJA JOURNAL OF INFORMATION TECHNOLOGY
Muhammad Sofwan Adha
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Evaluasi Pola Penataan Barang Di Toko Jaya dengan Algoritma FP-Growth Jerlin Mambaya; Muhammad Sofwan Adha; Semuel Yakobus Padang; Marchelin Marchelin
Infinity Vol. 1 No. 2 (2021): INFINITY : UKI Toraja Journal of Information Tecnology
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (556.24 KB) | DOI: 10.47178/infinity.v1i2.1519

Abstract

Teknologi informasi semakin berkembang pesat dan memberikan efek yang cukup besar dalam kehidupan manusia. Pengaruh tersebut tidak lepas dari teknologi informasi, seperti pada aspek perekonomian, kesehatan, pendidikan, bisnis dan lain-lain. Toko Jaya merupakan salah satu usaha yang terletak di Toraja Utara. Data transaksi penjualan pada Toko Jaya semakin meningkat setiap harinya namun transaksi pada Toko Jaya hanya dijadikan patokan untuk menyiapakan stok barang yang cepat laku. Ketika data pada transaksi penjualan tersebut diolah dapat menjadi sebuah informasi yang berguna untuk pengembangan pada Toko Jaya. Terhadap kondisi tersebut dibutuhkan sebuah metode atau teknik yang dapat mengubah hamparan data tersebut menjadi sebuah informasi atau pengetahuan yang bermanfaat untuk mendukung pengambilan keputusan dalam bisnis. Salah satu metode data mining yang digunakan dalam penelitian ini adalah association rule dengan menerapkan algoritma Frequent Pattern Growth (FP-Growth) dan diimplementasikan pada aplikasi Microsoft Excel. Hasil yang diperoleh pada peneliatian ini yaitu Penerapan algoritma FP-Growth pada data mining sangat efisien dan dapat mempercepat proses pembentukan pola kombinasi 2 itemset Transaksi pada Toko Jaya dengan nilai lift ratio tertinggi 0,06 yaitu produk Kecap dan Saos dan penelitian ini dapat dijadikan sebagai rekomendasi penataan barang pada Toko Jaya pada beberapa produk yang berkaitan namun tata penempatan barang yang kurang tepat, sehingga mempermudah pelanggan untuk mencari produk yang dibutuhkan.
Prediction of Protein Content of Shredded Goldfish Based on Physical Characteristics and Processing Process Using Random Forest Regression Method Irene Devi Damayanti; Muhammad Sofwan Adha; Lisna Junita Pairunan
Journal of System and Computer Engineering Vol 7 No 1 (2026): JSCE: January 2026
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v7i1.2270

Abstract

Shredded goldfish is a processed fishery product that has high nutritional value, especially in its protein content. This study aims to predict the protein content in shredded goldfish based on the physical characteristics of the ingredients (moisture, ash, fat, and crude fiber content) and processing parameters (temperature and frying time) using the Random Forest method. The data used consisted of 10 samples of proximate analysis results and were divided into training data (67%) and test data (33%). The model was evaluated using MAE, MSE, RMSE, and R-squared metrics. The evaluation results showed that the model produced an MAE of 0.5649, MSE of 0.5409, RMSE of 0.7354, and R² of 0.0898. The low R² value indicates that the model is still not optimal in explaining variations in the target data. The prediction of protein levels for new data with certain characteristics resulted in a value of 20.16%, which is still within the range of actual values. This research shows the potential of using machine learning methods in predicting the nutritional value of food products, although increased accuracy is still needed through additional data and exploration of other models. It is recommended that the frying temperature is 155°C to 160°C and the frying time is 11 minutes to 13 minutes to maintain optimal protein levels.
Co-Authors Irene Devi Damayanti Jerlin Mambaya Lisna Junita Pairunan Marchelin Semuel Yakobus Padang